Desarrollo de un Sistema Inteligente de Soporte a la Decisión Clínica para el Control de Calidad de la Espirometría

Área de la Ciencia:

• Medicina Pulmonar
• Inteligencia Artificial
• Diagnóstico Médico

Sus antecedentes:

• La espirometría es crucial para el diagnóstico de enfermedades respiratorias, pero depende del control de calidad manual.
• Los métodos actuales de inspección visual son subjetivos y consumen mucho tiempo.
• La ejecución precisa de la maniobra de espirometría es vital para obtener resultados fiables de la prueba.

Objetivo del estudio:

• Desarrollar un sistema inteligente de soporte a la decisión clínica para el control de calidad automatizado de la espirometría.
• Mejorar la precisión y la eficiencia de las evaluaciones de las pruebas de espirometría.
• Integrar datos demográficos del paciente en el proceso de control de calidad.

Principales métodos:

• Se empleó una red neuronal convolucional (ResNet-18) para el análisis.
• El sistema integra curvas de flujo-volumen y volumen-tiempo de la espirometría con datos demográficos del paciente (sexo, edad, IMC).
• Se generó un constructo gráfico para su entrada en la red neuronal.

Principales resultados:

• El sistema logró un prometedor Área Bajo la Curva (AUC) de 0.94.
• La sensibilidad fue del 75,00% y la especificidad del 100,00% en el punto de corte seleccionado.
• El modelo de IA cuantifica eficazmente el riesgo de pruebas de espirometría inaceptables.

Conclusiones:

• El sistema de IA desarrollado muestra potencial para mejorar el control de calidad de la espirometría.
• Se necesita una validación adicional en entornos clínicos reales con conjuntos de datos diversos.
• El sistema requiere estudios de implementación más amplios para evaluar la robustez y la generalización.